# 数据结构定义：存储订单、企业、供应商数据及算法配置
class OrderData:
    """订单数据类：存储物料需求、交货期、成本等信息"""
    def __init__(self):
        self.I = 5  # 物料种类数
        self.Q = [6000, 12000, 20000, 7500, 13500]  # 各物料的需求数量（整数）
        self.Dd = 30  # 需求交货期（单位：时间，整数）
        self.P0 = [45, 30, 30, 50, 40]  # 风险企业的单位采购价（整数）
        self.T0 = [5, 8, 6, 7, 9]  # 风险企业的单位运输成本（整数）
        self.transport_speed = 10  # 运输速度（单位：距离/时间，整数）
class RiskEnterpriseData:
    """风险企业数据类：存储风险企业的产能、距离等信息"""
    def __init__(self):
        self.I = 5  # 物料种类数（与订单一致）
        self.C0_i_min = [50, 100, 150, 80, 100]  # 单物料的单位时间最小产能（整数）
        self.C0_total_max = 900  # 总产能上限（单位时间，整数）
        self.distance = 20  # 与需求点的距离（整数）
class SupplierData:
    """供应商数据类：存储各供应商的产能、价格、距离等信息"""
    def __init__(self, I=5):
        self.I = I  # 物料种类数
        self.supplier_count = 4  # 供应商数量
        self.names = ["S0", "S1", "S2", "S3"]  # 供应商名称
        # 能否生产某物料的矩阵（supplier_count × I），1=能生产，0=不能
        self.can_produce = [
            [1, 1, 1, 1, 1],
            [1, 0, 1, 0, 1],
            [0, 1, 0, 1, 0],
            [0, 0, 1, 1, 1]
        ]
        # 单物料单位时间最小产能（supplier_count × I），0表示不能生产该物料（整数）
        self.Cj_i_min = [
            [30, 80, 100, 60, 80],
            [60, 0, 180, 0, 120],
            [0, 150, 0, 120, 0],
            [0, 0, 170, 105, 115]
        ]
        # 供应商单位时间的最大总产能（supplier_count，整数）
        self.Cj_total_max = [700, 800, 600, 850]
        # 最小起订量（supplier_count × I，整数）
        self.MinOrder = [
            [800, 1500, 3000, 800, 1500],
            [1000, 0, 3500, 0, 1800],
            [0, 1700, 0, 1000, 0],
            [0, 0, 2500, 500, 1000]
        ]
        # 最大供应量（supplier_count × I，整数）
        self.MaxOrder = [
            [5000, 10000, 18000, 6500, 11000],
            [8000, 0, 25000, 0, 15000],
            [0, 8000, 0, 6000, 0],
            [0, 0, 20000, 7500, 13500]
        ]
        # 单位采购价格（supplier_count × I，整数）
        self.P_ij = [
            [50, 35, 28, 47, 38],
            [43, 0, 28, 0, 36],
            [0, 31, 0, 52, 0],
            [0, 0, 32, 52, 43]
        ]
        # 单位运输成本（supplier_count × I，整数）
        self.T_ij = [
            [6, 9, 8, 9, 12],
            [4, 0, 5, 0, 15],
            [0, 10, 0, 7, 0],
            [0, 0, 8, 9, 11]
        ]
        # 供应商与需求点的距离（supplier_count，整数）
        self.distance = [60, 50, 70, 40]
class Config:
    """算法参数配置类：存储NSGA-II的各类参数"""
    def __init__(self):
        # 种群参数
        self.pop_size = 100  # 种群大小
        self.N1_ratio = 0.2  # 优先成本的种群比例
        self.N2_ratio = 0.2  # 优先延期的种群比例
        self.N3_ratio = 0.3  # 强制风险企业的种群比例
        self.N4_ratio = 0.3  # 随机种群比例
        # 遗传操作参数
        self.crossover_prob = 0.8  # 交叉概率
        self.mutation_prob = 0.3  # 变异概率
        self.max_generations = 500  # 最大进化代数
        # 惩罚系数
        self.delta = 1.3  # 变更惩罚系数
        # 早停参数
        self.early_stop_patience = 20  # 连续多少代无改进则早停
        self.early_stop_threshold = 0.15  # 目标值变化阈值
        # 目标函数数量
        self.objective_num = 2  # 双目标（成本+延期）
        self.duplicate_threshold = 0.05  # 重复解保留数量
        self.print_top_n = 10  # 打印前N个最优解

class DataStructures:
    """数据结构工具类：提供评价指标计算等功能"""
    @staticmethod
    def calculate_evaluation_index(objectives, optimal_cost, optimal_tardiness):
        """
        计算评价指标
        :param objectives: 解的目标值 (成本, 延期)
        :param optimal_cost: 最优成本值
        :param optimal_tardiness: 最优延期值
        :return: 评价指标值
        """
        cost, tardiness = objectives
        # 避免除以零（成本最优值为0时的保护）
        if optimal_cost == 0:
            cost_ratio = cost
        else:
            cost_ratio = 2*(cost / optimal_cost)
        # 延期处理（+1避免除以零）
        tardiness_ratio = 800*((tardiness + 1) / (optimal_tardiness + 1))
        return cost_ratio + tardiness_ratio